1. 写在前面：为什么这么多人装Anaconda翻车
先给结论：Anaconda本身并不难装，真正的难点在于安装过程中那两个英文勾选项你根本没看懂，安装完成之后环境变量又不生效，最后在命令行里敲conda提示“不是内部或外部命令”，于是整台电脑看起来就像被搞坏了一样。
这一个月来我看到后台的搜索热词里，“anaconda安装教程”“anaconda下载”“anaconda安装详细步骤”这几个词反复出现，同时出现频率很高的还有“pycharm配置anaconda”“anaconda配置pytorch环境”“anaconda创建虚拟环境”“conda清华镜像”——这说明大多数人装Anaconda，目的并不是为了用Anaconda本身，而是想用它作为Python环境的入口，后面要么配PyCharm写代码，要么配深度学习框架（PyTorch、TensorFlow）跑模型。但恰恰是第一道安装关没把住，后面一连串步骤全部卡死。
这篇文章我就基于Windows环境，把Anaconda从下载、安装、验证，再到基础命令、虚拟环境、PyTorch环境配置、常见报错排查，完整走一遍。我不讲那种“全程下一步”的废话教程，而是把每一步我实际踩过的坑、为什么这么选、有什么替代方案都写清楚。你跟着这篇走一遍，不敢说成为Conda专家，但至少在Windows上装Anaconda、建虚拟环境、配框架环境，不会再一头雾水。
2. 下载前的准备：官网还是镜像站，怎么选版本
2.1 官网下载，到底卡在哪
很多教程一上来就让你去官网，但官网下载有个很现实的问题：Anaconda的官网服务器在国外，国内网络环境下下载速度经常只有几十KB/s，一个700MB的安装包能下到你怀疑人生。而且官网的下载页面会让你填邮箱才能拿到下载链接，虽然只是一个形式，但拖慢了节奏。
官网地址是https://www.anaconda.com/download，进去之后页面上会有一个大大的Download按钮，点击后会询问你的邮箱，填完邮箱才会发下载链接。这中间还有个坑：Anaconda官方页面自动推荐的版本不一定是Windows版，如果你用的是Windows，要手动确认操作系统选的是Windows，Python版本选择当前最新的稳定版即可。
我个人的建议是：如果你在公司或学校网络环境，或者访问国际网络非常顺畅，官网下载没问题，顺便还能拿到官方最新的版本号。但如果你的网络环境一般，别跟自己的时间过不去，直接用国内镜像。
2.2 清华镜像站，国内环境下的更优解
国内下载Anaconda，我推荐使用清华大学的开源软件镜像站（Tsinghua Open Source Mirror）。这一步很多“安装教程”压根不提，但实测下来，清华镜像下载Anaconda安装包的速度能达到几十兆每秒，跟官网相比天壤之别。
清华镜像站的地址是https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/。进入后你会看到一长串版本目录，每个版本号对应一个Anaconda发行版，安装包格式为Anaconda3-2024.xx-Windows-x86_64.exe。
这里说下怎么选版本：你不需要追最新，反而建议选一个相对稳定、出来有一段时间的版本，因为最新版往往刚发布时会有各种兼容问题。比如你想装Python 3.9/3.10/3.11，不同Anaconda版本内置的Python版本不同——Anaconda3-2023.09内置Python 3.11；Anaconda3-2022.10内置Python 3.9。如果你后续要跑PyTorch或者其他深度学习框架，选择内置Python 3.9或3.10的Anaconda版本兼容性更好，因为有些框架对Python 3.11的支持较晚。
注意：下载安装包时，后缀一定是
Windows-x86_64.exe，不要下成Linux版或者macOS版。另外文件名里带-x86_64的表示64位系统安装包，现在绝大多数Windows电脑都是64位系统，除非你还在用十几年前的32位电脑。
2.3 版本选择与安装包核对
当你进入清华镜像的archive目录后，会看到很多文件夹和文件，这里教你快速定位：
- 找到带日期的目录式文件（如
2023.09-0/），点进去里面有完整的安装包。 - 文件名规律：
Anaconda3-2023.09-0-Windows-x86_64.exe，其中的2023.09是版本号，-0是内部修订号，Windows-x86_64.exe说明是Windows 64位安装包。
下载完成后，先核对文件大小。Anaconda官方完整安装包大约在700MB到1GB左右，如果你下载下来的文件只有几十MB，那就是下载出问题了，别装，删掉重下。
这里补充一个很多人不知道的点：Anaconda安装包体积很大，是因为它自带了300多个常用的Python科学计算/数据分析库，比如numpy、pandas、scipy、matplotlib、scikit-learn、Jupyter等。换句话说，装完Anaconda就等于装了一个“全家桶”，这也省去了一开始大量pip install的等待时间。
3. 安装实操：一步一步走完安装向导
3.1 安装开始前的三个必做动作
双击安装包之前，我劝你先做三件事，这三件事直接关系到后面安装是否顺利。
第一，关闭杀毒软件和Windows Defender的实时保护。不夸张地说，Anaconda安装过程中会释放大量可执行文件和Python脚本，某些杀毒软件（尤其是国产套装）会把这些文件误报为风险程序，要么直接隔离删除，要么导致安装中断。我见过一个案例，用户装完Anaconda后新建虚拟环境一直报错，最后发现是杀毒软件把python.exe给隔离了。在安装期间临时关闭防护，装完后再开启，是最稳妥的做法。
第二，确认磁盘剩余空间。Anaconda全家桶装完大概会占用3GB到5GB空间（这还不算后续创建虚拟环境和下载包的空间），而且Anaconda所在盘符最好不要是C盘系统盘。如果你C盘已经很紧张，安装时把路径改到D盘或E盘。
第三，检查安装路径里不能有中文和空格。比如D:\软件\Anaconda3这种路径是绝对不行的，D:\Program Files\Anaconda3这种路径虽然能用，但中文用户名路径下你迟早会遇到各种包管理器报错。推荐直接建一个纯英文路径，比如D:\Anaconda3或者C:\Anaconda3（如果C盘空间足够）。
3.2 安装向导的每个界面该怎么选
双击安装包后，会依次出现安装向导的多个界面，这里把每一步的选择和原因讲透。
第一个界面是License Agreement（许可证协议），直接“I Agree”即可。
第二个界面是“Install for: Just Me / All Users”。这里我的建议是选Just Me。All Users模式需要管理员权限，而且会写注册表系统级路径，在后续使用Conda创建环境时更容易遇到权限问题。Just Me模式只当前用户使用，完全够用，还不需要管理员权限。
第三个界面是安装路径选择（Destination Folder），这是最容易出问题的一步。系统默认路径是C:\Users\你的用户名\anaconda3，如果你用户名是中文（比如C:\Users\张三\anaconda3），后续很多包导入会出问题。建议直接改为D:\Anaconda3，路径简单干净。
第四个界面就是全篇最重要的两个勾选项，上面写着：
Add Anaconda3 to my PATH environment variable（把Anaconda加入系统PATH环境变量）Register Anaconda3 as my default Python 3.x（把Anaconda设置为默认Python环境）
这里网上有两种说法：一种说全部不勾选，安装完再手动配置路径；另一种说两个都勾选。我的实测经验是：第一个“Add to PATH”建议勾选，但不勾选也行（后面会说手动配置方法），第二个“Register as default Python”建议保留默认勾选。
为什么纠结这两个选项？关键在于旧版Anaconda的Add to PATH勾选后，会把Anaconda自带的Python覆盖系统原有的Python路径，导致系统里其他依赖Python的软件（比如部分命令行工具）被“劫持”。但在实际使用中，绝大多数人不需要系统里有多个Python并存，如果你就是冲着Anaconda来学Python，那直接勾选Add to PATH反而省事，装完就能在cmd里直接用conda命令。
如果你不想勾选Add to PATH，那安装完成后需要手动把Anaconda的Scripts目录和condabin目录加入系统环境变量，具体操作我放在下面的模块细说。
第五个界面是“Advanced Installation Options”，注意这里会询问是否安装到所有用户（仅在选择All Users时出现），以及是否将Anaconda作为默认Python。到此安装前的配置就算完成了，接下去就是等进度条。
3.3 安装进度中的常见干扰
点击Install后，安装过程大概需要5到15分钟，取决于你的硬盘速度。中途会弹出命令行窗口，自动运行conda init，这个窗口会自启动然后关闭，整个过程不需要你干预。但有一个坑：中途可能弹出一个“Anaconda Cloud”的登录窗口，要求你用邮箱注册或登录Anaconda Cloud服务。这个窗口可以直接关闭，它只是额外推荐你去注册云端服务，跟本机安装没有任何关系。很多人卡在这里不知所措，其实直接右上角关掉，或者点击“Skip”跳过即可。
4. 安装完成后第一件事：验证环境与Conda基础操作
4.1 终端里验证Python和Conda
安装完成后，桌面上会出现“Anaconda Navigator”和“Anaconda Prompt”两个快捷方式。如果安装时勾选了“Add to PATH”，你甚至可以直接打开cmd，输入conda --version看到版本信息。
但为了减少后续麻烦，我建议养成使用“Anaconda Prompt”的习惯。它的本质是一个Windows命令行窗口，但自动加载了Conda的初始化脚本，所以不管你有没有手动配置环境变量，Anaconda Prompt里的conda命令都能正常工作。
打开Anaconda Prompt，依次输入以下命令验证安装：
conda --version python --version如果conda正常输出类似conda 24.x.x，python输出类似Python 3.11.x，说明安装成功。这时再输入python回车，你会看到终端进入Python交互模式，输入exit()退出。
为什么一定要先验证这一步？因为很多人的Anaconda装完之后，cmd里输入python可能调用的是系统里以前装过的Python，而不是Anaconda自带的Python版本——如果先前电脑上装过其他Python版本，这种优先级混乱是后面最容易踩的坑之一。
4.2 如果cmd里conda不是内部命令
我在第3节说过，如果不勾选“Add to PATH”，cmd是无法直接识别conda命令的。如果你已经装完才发现这个问题，也没必要卸载重装，手动添加环境变量即可。
具体操作：右键“此电脑” → 属性 → 高级系统设置 → 环境变量 → 在“系统变量”或“用户变量”中找到Path变量，点击编辑，然后新增以下三个路径（以装在D盘的Anaconda为例）：
D:\Anaconda3 D:\Anaconda3\Scripts D:\Anaconda3\Library\bin保存后，重新打开cmd或Windows Terminal，输入conda --version验证。如果不生效，大概率是环境变量添加后没有重新打开终端，或者输错了路径——核对一下Anaconda实际的安装目录，Scripts文件夹和Library\bin文件夹是否真的存在。
Conda环境的路径匹配有很多细节，第6节的常见问题模块里列了几个最典型的案例，可以对照查看。
4.3 包管理基础：conda install与pip的区别
装好Anaconda之后，你需要理解一个核心概念：conda不仅是Python包管理器，它还是环境管理器。它的优势不是“装包”，而是“管理环境”。
conda install 包名：从conda默认源（或者你配置的镜像源）安装包，会自动检查依赖，保证包与包之间版本兼容。pip install 包名：Python官方生态的包管理器，Anaconda里也自带pip，但pip安装的包不会走conda的依赖解析。
日常操作里，建议优先用conda install，只有当conda源里找不到某个包时，才退而求其次用pip。比如你要安装requests库，conda install requests就能搞定；但如果要装某个非常小众的包，网上都只提供pip install xxx命令，那就用pip。
这个规则尤其重要，因为混用conda和pip安装同一个包的不同版本，很可能导致“包版本冲突”“环境损坏”这类玄学问题，我自己就因为在同一环境里先conda后pip装同一个库，结果搞坏过一个虚拟环境。
4.4 把conda源切换为国内镜像
装完Anaconda后，第一件事不要急着建环境，先把conda的下载源切到清华镜像。因为Anaconda自带的官方源在国外，下载大体积包时速度实在感人。
在Anaconda Prompt里执行以下命令：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes执行完后，可以用conda info查看当前channel配置，确认镜像源是否生效。如果你更喜欢直接改文件，也可以手动编辑用户目录下的.condarc文件，内容如下：
channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - defaults show_channel_urls: true这里要注意：.condarc文件默认不存在，第一次执行conda config命令后才会生成，如果你要手动创建，路径是C:\Users\你的用户名\.condarc，用记事本打开编辑即可。修改后建议执行conda clean -i清除索引缓存，再执行conda update conda验证源是否工作正常。
5. 进阶实操：创建虚拟环境与配置Pytorch环境
5.1 为什么要创建虚拟环境
这个问题几乎所有新手都会问。Anaconda安装后默认有一个base环境，里面已经装好了几百个常用库。你可能想直接在这个环境里装PyTorch、装TensorFlow，甚至装各种项目依赖包。但问题来了：不同项目之间对Python版本和库版本的要求经常是冲突的——项目A要PyTorch 1.13，项目B要PyTorch 2.0，项目C要Python 3.8，项目D要Python 3.11。如果全部塞到base环境里，早晚会出一堆兼容性问题，到时候要么哭着重装Anaconda，要么花一晚上排查依赖关系。
虚拟环境就是为每个项目准备一个独立的“小房间”，“房间”里的Python版本和安装的包互不干扰。这也是Anaconda最核心的功能，比安装Anaconda本身更重要。
5.2 创建并激活虚拟环境的具体命令
在Anaconda Prompt中执行以下命令创建一个名为myenv的虚拟环境，并指定Python版本为3.9：
conda create -n myenv python=3.9这里-n后面跟的就是环境名称，你想起什么都行，比如pytorch、tf2、>conda activate myenv
激活成功后，命令行提示符前面会显示(myenv)，这就代表你当前已经进入这个虚拟环境。接下来安装任何包，都只影响这个环境，不会污染base环境。
退出环境：
conda deactivate查看当前系统里有哪些环境：
conda env list查看某个环境中已经安装了哪些包：
conda list -n myenv删除不需要的环境：
conda remove -n myenv --all这几个命令就是Anaconda使用频率最高的核心命令，建议背下来，面试被问到virtualenv、conda的时候也很加分。
5.3 结合Pytorch安装演示完整流程
既然“anaconda配置pytorch环境”是高频搜索词，这里就拿PyTorch作为演示例子，走一遍完整流程。
第一步，确认你的显卡是否支持CUDA。打开cmd或Anaconda Prompt，输入：
nvidia-smi这个命令会显示显卡驱动版本和最高支持的CUDA版本。比如输出显示CUDA Version: 12.1，说明显卡驱动支持最高12.1版本的CUDA。注意一个常见误区：nvidia-smi显示的CUDA版本是驱动支持的“最大版本”，不是当前已经安装的CUDA版本。PyTorch安装时会自带所需的CUDA运行时文件，所以不一定要单独安装CUDA Toolkit。
第二步，根据显卡情况选择对应的安装命令。打开PyTorch官网（pytorch.org），在首页选择你的操作系统（Windows）、包管理器（Conda/Pip）、以及CUDA版本（比如CUDA 12.1），官网会生成对应安装命令。如果显卡是NVIDIA的，选择CUDA 12.1或CUDA 11.8；如果是纯CPU环境（笔记本没有独显或者不想用GPU），选择CPU版本。
以安装CUDA 12.1版本的PyTorch为例，使用conda安装命令：
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia如果你只想装CPU版本：
conda install pytorch torchvision torchaudio cpuonly -c pytorch第三步，验证安装是否成功。在Anaconda Prompt中激活你的环境后，输入python进入交互模式，然后：
import torch print(torch.__version__) print(torch.cuda.is_available())如果torch.cuda.is_available()返回True，说明CUDA版本的PyTorch已经正确识别到了你的显卡；如果返回False，则说明当前PyTorch是CPU版本，或者显卡驱动、CUDA组件有问题。注意：整个安装过程中conda会下载大量依赖包，所以之前配置清华镜像源的意义就在这里体现了，没有镜像基本就是龟速。
6. 高频问题排查速查表
这里把我在各种群里、评论区里见过的、以及自己踩过的Anaconda安装与使用高频问题整理成一个速查表。
6.1 conda不是内部命令
这个我上面已经讲过，是PATH环境变量没配置好。建议按照“4.2节”的方法重新配置环境变量。如果已经配置了还是不行，那就检查一下你安装时有没有把路径填对，或者是否用的是Anaconda Prompt而非cmd。
6.2 使用conda install下载包特别慢
没有配置国内镜像源，或者配置后没生效。执行：
conda config --remove-key channels conda clean -i conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/然后再试一次下载。如果下载仍然很慢，考虑用pip安装，pip也可以配置清华源：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple6.3 创建虚拟环境或安装包时卡在“Solving environment”
这是conda的经典老大难。执行环境解析时，conda需要检查所有包的依赖关系，这个过程在网络不佳或镜像源不稳定时会非常慢，甚至卡住不动。解决思路有三个：
- 增加conda的求解策略，优先使用更保守但更快的
solver（conda 23.10以后支持libmamba求解器）。 - 安装经典求解器：
conda install -n base conda-libmamba-solver，然后在conda config --set solver libmamba启用。 - 如果还卡，用
--no-deps或干脆改用pip安装单包，不解析全部依赖。
6.4 PyCharm里怎么配置Anaconda解释器
这几乎是“pycharm配置anaconda”搜索词背后最实在的需求。打开PyCharm，进入File -> Settings -> Project -> Python Interpreter，点击右上角齿轮图标，选择Add Interpreter -> Conda Environment，然后选择Existing environment，在Interpreter处指定Anaconda目录下的python.exe路径。比如：
D:\Anaconda3\python.exe如果你用的是虚拟环境，那就选D:\Anaconda3\envs\myenv\python.exe路径。确认后，PyCharm会自动识别环境中已安装的包。这一步操作完，你就能在PyCharm里像普通Python项目一样使用Anaconda环境了。
注意：一定不要选择
C:\Users\你的用户名\anaconda3\envs里的python.exe时认错路径，很多人的环境在D盘，但PyCharm默认会扫C盘，要先手动浏览目录。
6.5 安装完Anaconda后，原先电脑里的Python不见了
如果你之前已经装过Python，安装Anaconda时又勾选了“Add to PATH”，Anaconda会优先被系统调用，原来Python可能被“顶掉”。这不是Anaconda把原来的Python卸载了，只是PATH优先级变了。如果你需要临时使用原来的Python，可以在cmd里输入完整路径去调用，比如C:\Python39\python.exe。
但说实话，我强烈建议你不要在电脑里同时保留多套Python，尤其是刚入门的时候。Anaconda本身就能通过虚拟环境同时管理Python 3.8/3.9/3.10/3.11等版本，完全不需要再额外装一个系统Python，旧版本卸载掉反而清净。
6.6 安装完成后，Navigator打不开 / Jupyter Notebook启动报错
Anaconda Navigator打不开，大概率是网络问题——Navigator启动时要访问Anaconda云端服务器检查更新信息。解决办法是断网启动，或者直接不要用Navigator，改用Anaconda Prompt启动Jupyter：
jupyter notebook这种黑窗口启动方式反而更快、更稳定，还方便查看日志排查错误。Jupyter Notebook启动后会在默认浏览器打开一个网页，端口默认8888，这个需要记住。
7. 一些个人经验补充
7.1 Anaconda还是Miniconda？怎么选
这个问题被问得很多。Miniconda是Anaconda的精简版，体积只有几十MB。二者共用同一个conda包管理器，区别仅在于Anaconda自带了300多个常用库，而Miniconda只有最基本的Python和conda。
我的建议非常明确：如果你是新手，或者你装Anaconda是为了数据分析、机器学习、科学计算，直接上完整版Anaconda，不要折腾Miniconda——省下来的时间成本远比几GB硬盘空间值钱。如果你已经熟悉Python包管理，或者对“干净环境”有洁癖，才考虑Miniconda。
7.2 要不要卸载系统里原有的Python
如果你电脑上已经装了Python，又打算用Anaconda，我的建议是保留原来的Python、不卸载，但不把它加入PATH。这样两者各走各的：系统命令行里默认用Anaconda的Python，原来的Python作为“备份”躺在硬盘里，不影响任何东西。如果实在想卸载，记得先去“控制面板-程序和功能”卸载干净，再手动删除残留的Python安装目录和PATH变量。
7.3 写在最后的一个小建议
如果我这篇文章你只记住一句话，那我会说：Anaconda装完之后，立刻执行conda config --add channels配上清华源，然后把所有项目的Python环境都用虚拟环境管理，不要直接往base环境里塞一堆包。这样做，后面90%的包冲突、版本问题都跟你无关。
我刚开始用Anaconda时也犯过“所有项目全部用base环境”的错，结果一个深度学习项目把base环境搞崩了，最后只能花一个晚上重建环境。后来养成了每个项目独立建环境的习惯，就再也没遇到过因为包冲突导致环境报废的情况。
装Anaconda真不难，难的是装完之后能不能以一种正确的方式去用它。把上面这套流程走一遍，你就已经迈过了Python环境管理最要命的门槛了。
